不良图像中的人脸检测方法研究

摘要

随着互联网的发展，网络信息已经成为一种人们熟知的便捷信息来源，但网络上大量的色情淫秽等不良信息已经严重干扰了人们正常的网络生活。由于图像比文本具有更丰富的信息，相比之下不良图像具有更大的危害性，因而对不良图像识别过滤是建立网络色情过滤系统的关键。对不良图像的识别，首先要确定人体的存在，检测人脸就是首要工作。人脸的准确定位还能为后续的表情识别、人体姿态检测等任务提供重要信息。因此，自动化的人脸检测就成为不良图像分析的关键，具有深远的社会意义。 为了研究不良图像中的人脸定位问题，本文在分析了现有人脸检测方法的基础上，针对不良图像中人脸具有的复杂模式，设计了一个层次化人脸检测框架，利用肤色、Haar-Like特征、边缘形状、灰度等信息检测定位人脸。本文主要工作如下： (1)利用肤色检测作为人脸检测的预处理过程，确定了高斯肤色模型参数，建立了YCbCr空间的高斯肤色模型。本文设计了基于K-均值聚类方法的肤色分割算法，完成了图像的二值化。通过对孔洞数和面积的计算，选择出可能包含人脸的候选肤色块，减小了下一步人脸检测的搜索空间。 (2)本文实现了基于Haar-Like特征和Adaboost的人脸检测算法，并将其运用到不良图像的人脸检测中。实验结果表明，对于正面和略带表情及遮挡的人脸有较好的检测效果。在算法实现过程中，本文针对Adaboost训练时间过长的缺陷，在训练弱分类器时，推导出计算左右错误率的递推公式，运用该递推公式加快了弱分类器的训练速度。 (3)针对前面方法漏检的情况，本文运用Hough变换检测椭圆初步定位到人脸的大致位置，从不良图像中截取多个人脸样本，构造平均人脸模板，用该模板与检测到的椭圆区域匹配判断是否是人脸，提高了检测率。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题的背景

1.2人脸检测研究动态

1.3人脸检测方法及分类

1.3.1基于知识的人脸检测

1.3.2基于特征不变量的人脸检测

1.3.3基于模板匹配的人脸检测

1.3.4基于统计学习的人脸检测

1.3.5检测方法优缺点分析

1.4本文的研究内容与安排

第2章肤色检测

2.1肤色特征

2.2色彩三要素

2.3 YCbCr颜色空间

2.4高斯肤色模型

2.5肤色分割

2.6选择肤色块

2.7肤色检测流程

2.8本章小结

第3章基于Adaboost的人脸检测

3.1 Haar-Like特征的计算

3.2积分图

3.3弱分类器

3.4改进弱分类器

3.5强分类器

3.6级联分类器

3.7训练结果

3.8检测结果

3.9本章小结

第4章基于Hough和模板匹配的人脸检测

4.1 Hough变换定位

4.1.1边缘检测

4.1.2 Hough变换检测椭圆

4.1.3合并相近的椭圆

4.2模板匹配

4.2.1模板制作

4.2.2模板调整

4.2.3模扳匹配

4.3检测流程

4.4本章小结

第5章总结和展望

5.1总结

5.2下一步工作

参考文献

作者在读期间的研究成果

致谢